Claude Code 2.1.165, Microsoft का MAI कोडिंग मॉडल परिवार, और एजेंट इन्फ्रास्ट्रक्चर प्रोजेक्ट रडार

[NOVA]: मैं NOVA हूं।

[ALLOY]: मैं ALLOY हूं, और यह AgentStack Daily है...

[NOVA]: आज, हम एक Claude Code तीन-रिलीज़ हाइजीन ब्लॉक, Microsoft's MAI कोडिंग मॉडल परिवार, और स्थानीय कोडिंग-एजेंट स्टैक के लिए बनाए गए एजेंट इन्फ्रास्ट्रक्चर प्रोजेक्ट रडार को ब्रेक डाउन कर रहे हैं। Claude Code 165 5 जून को नवीनतम npm रिलीज़ के रूप में आया, एक तीन-रिलीज़ हाइजीन ब्लॉक पूरा करते हुए जिसने बैकग्राउंड सेशन गैप्स को बंद किया, हुक एक्स्टेंसिबिलिटी का विस्तार किया, और गहरे टेम्प डायरेक्टरी पाथ्स के लिए Windows पाथ हैंडलिंग को ठीक किया। यह ब्लॉक फ्लीट कम्प्लायंस प्रिमिटिव्स के रूप में आवश्यक न्यूनतम संस्करण और आवश्यक अधिकतम संस्करण जोड़ता है, एक अतिरिक्त कॉन्टेक्स्ट रिटर्न पाथ के साथ Stop और SubagentStop हुक्स को विस्तारित करता है, और सही टेम्प डायरेक्टरी व्यवहार को पुनर्स्थापित करके एक रिग्रेशन की मरम्मत करता है जिसने Bazel और EDR-प्रोटेक्टेड Go वर्कफ्लो को तोड़ दिया था। OpenClaw 6.1, Hermes 15.2, और Codex 135 EP063 पदों पर स्थिर हार्नेस लाइन्स के रूप में अपनी स्थिति बनाए हुए हैं। फ्लैगशिप मॉडल ड्रॉप MAI-Code-1-Flash है: Microsoft's 5-अरब-पैरामीटर कोडिंग मॉडल जो GitHub Copilot प्रोडक्शन हार्नेस पर प्रशिक्षित है, जो SWE-Bench Pro पर 51% स्कोर करता है तुलनीय मॉडल्स की तुलना में 60% कम सॉल्यूशन टोकन्स के साथ। MAI-Image-2.5 Arena Image Edit लीडरबोर्ड पर 1403 पर पहुंचता है, NVIDIA का Cosmos 3 तीन आकारों में एक ओपन फाउंडेशन मॉडल के साथ फिजिकल AI विकास को खोलता है, और प्रोजेक्ट रडार एजेंट मेमोरी, कोड ग्राफ्स, और MCP टूलिंग को कवर करता है जो स्थानीय कोडिंग-एजेंट स्टैक की सेवा करते हैं।

[ALLOY]: हार्नेस लेयर अग्रणी है क्योंकि वहीं पर एजेंट विश्वसनीयता बनती या बिगड़ती है। बैकग्राउंड सेशन्स को साफ-सुथरे ढंग से फिर से शुरू होना चाहिए, हुक्स को एरर-लेबलिंग के बिना टर्न्स बढ़ाने चाहिए, फ्लीट संस्करण अनुपालन लागू करने योग्य होना चाहिए, और Windows वातावरण को OneDrive एट्रिब्यूट्स और गहरे पाथ्स को सही ढंग से संभालना चाहिए। ये वे अनसैक्सी समस्याएं हैं जो यह तय करती हैं कि ऑपरेटर्स लंबे चलने वाले एजेंट कार्य पर भरोसा करते हैं या नहीं। मॉडल लेन में दिलचस्प बातें हैं: Microsoft ने एक कोडिंग मॉडल को सार्वजनिक बेंचमार्क के बजाय अपने प्रोडक्शन हार्नेस पर प्रशिक्षित किया, और दक्षता संख्याएं एजेंट स्टैक में 10B से कम मॉडल से अब तक देखी गई किसी भी चीज़ से अलग हैं। प्रोजेक्ट रडार उन टूल्स को सामने लाता है जो स्थानीय स्टैक्स को कम भंगुर बनाते हैं। चलिए वहां से शुरू करते हैं। ...

[NOVA]: तीन लेयर्स एक साथ आगे बढ़ रही हैं, और उन्हें अलग रखकर सुनना सबसे उपयोगी तरीका है। हार्नेस लेयर वह आधार है जो एजेंट कार्य को दोहराने योग्य बनाती है। मॉडल लेयर यह तय करती है कि एजेंट क्या उत्पादन करता है। टूलिंग लेयर वह है जो पूरे स्टैक को स्केल करते समय कम भंगुर बनाती है।

[ALLOY]: Claude Code 165 हेडलाइन हार्नेस रिलीज़ है, जो 162 से 165 तक के तीन-रिलीज़ ब्लॉक को पूरा करती है। यह प्रग्रेशन एक फीचर वेव नहीं है। यह एक क्वालिटी पास है जो उन गैप्स को बंद करता है जो ऑपरेटर्स तब खोजते हैं जब वर्कफ्लो गलत हो जाता है। बैकग्राउंड सेशन्स जो पुनः-अटैच पर चलने वाले टास्क खो देते हैं। गहरे टेम्प डायरेक्टरी पाथ्स जो चुपचाप क्रॉस-सेशन मैसेजिंग को तोड़ते हैं। Windows OneDrive रीड-ओनली एट्रिब्यूट्स जो Bash कमांड्स को अप्रत्याशित रूप से विफल करते हैं। ये वे विफलताएं हैं जो टीमों को एजेंट रन पर अविश्वास करती हैं, और ये बिल्कुल वही विफलताएं हैं जिन्हें यह ब्लॉक संबोधित करता है।

[NOVA]: OpenClaw 6.1, Hermes 15.2, और Codex 135 इस चक्र में स्थिर हैं। वह स्थिरता खुद एक संकेत है। हार्नेस इकोसिस्टम उस स्तर पर परिपक्व हो रहा है जहां तीन लगातार टूल्स एपिसोड के बीच रिग्रेशन या क्रिटिकल फिक्स के लैंडिंग के बिना अपने पदों पर बने रह सकते हैं। फ्लीट अनुपालन प्रबंधित करने वाले ऑपरेटर्स के लिए, वह पूर्वानुमेयता मूल्यवान है। आप अपने स्टैक के बारे में तर्क कर सकते हैं बिना यह चिंता किए कि अगला npm पब्लिश सेशन रिकवरी बग या प्लगइन हुक रिग्रेशन पैदा करेगा।

[ALLOY]: मॉडल लेन में चीज़ें एक अलग कारण से दिलचस्प हो जाती हैं। Microsoft ने Build 2026 पर सात-मॉडल MAI परिवार उतारा, और एजेंट स्टैक के लिए हेडलाइन मॉडल MAI-Code-1-Flash है। एक 5-अरब-पैरामीटर कोडिंग मॉडल जो बेंचमार्क डेटासेट के बजाय GitHub Copilot प्रोडक्शन हार्नेस पर प्रशिक्षित है। यह अधिकांश लैब्स द्वारा शिप करने से एक सार्थक रूप से अलग प्रशिक्षण फिलॉसफी है, और दक्षता संख्याएं संकेत देती हैं कि यह दृष्टिकोण काम करता है।

[NOVA]: MAI-Image-2.5 Microsoft को कुछ समय बाद पहली बार Arena Image Edit लीडरबोर्ड पर Gemini से आगे रखता है, जो उन Microsoft-इंटीग्रेटेड स्टैक्स के लिए मायने रखता है जिन्हें Copilot सतह के अंदर इमेज टास्क चाहिए। NVIDIA का Cosmos 3 ओपन फिजिकल AI फाउंडेशन मॉडल है जिस पर रोबोटिक्स टीम्स और सिमुलेशन-आधारित विकास शॉप्स बनाएंगी। और प्रोजेक्ट रडार तीन टूल्स को कवर करता है जो स्थानीय कोडिंग-एजेंट स्टैक्स को कम भंगुर बनाते हैं: Understand Anything कोड ग्राफ नेविगेशन के लिए, agentmemory क्रॉस-एजेंट शेयर्ड रिकॉल के लिए, और MCPJungle MCP सर्वर स्पॉल प्रबंधन के लिए।

[ALLOY]: क्रम जानबूझकर है। पहले हार्नेस क्योंकि वहीं पर भरोसा बनता है। दूसरे नंबर पर मॉडल क्योंकि वहीं पर क्षमता परिभाषित होती है। तीसरे नंबर पर टूलिंग क्योंकि वहीं पर स्टैक संचालित करना आसान होता है। ...

[NOVA]: Claude Code 165 है जो 5 जून का npm latest है, जो EP063 baseline 162 से तीन रिलीज़ का एक ब्लॉक पूरा करता है। यह ब्लॉक कोई फीचर वेव नहीं है। यह वह तरह की रिलीज़ है जो उन गैप्स को भरती है जो ऑपरेटर्स पाते हैं जब किसी वर्कफ़्लो में कुछ गलत होता है, और प्रत्येक फिक्स कोतो समझना ज़रूरी है क्योंकि ये बिल्कुल उन सतहों को छूते हैं जो एजेंट्स को प्रोडक्शन में भरोसेमंद बनाती हैं।

[ALLOY]: वर्जन 163 तीन में से सबसे ऑपरेशनली दिलचस्प है। required minimum version और required maximum version managed settings हैं जो org admins को version gates लागू करने देती हैं। Claude Code शुरू होने से मना कर देता है अगर उसका वर्जन allowed range के बाहर आता है और юзер को approved वर्जन पर जाने का निर्देश देता है। fleet operators के लिए जिन्हें versions में deterministic behavior चाहिए, यह एक real compliance primitive है। अब आप किसी टीम को tested version range पर lock कर सकते हैं और पता होगा कि कोई regression वाला या missing feature वाला वर्जन नहीं चल रहा जिस पर आप depend करते हैं।

[NOVA]: plugin list command अब installed plugins दिखाती है, और आप enabled या disabled के हिसाब से filter कर सकते हैं। जब plugin sprawl audit करना मुश्किल बना देता है कि actually क्या loaded है तो यह मायने रखता है। अगर पांच plugins installed हैं और दो disabled हैं, तो hook failure या tool-call issue debug करने से पहले आपको यह जानना ज़रूरी है। filter flags उस audit को straightforward बनाती हैं instead of आपको full plugin manifest through पढ़ने की ज़रूरत के।

[ALLOY]: Stop और SubagentStop hooks अब वह return कर सकते हैं जिसे टीम additional context कहती है। hook Claude को feedback दे सकता है और turn को जारी रख सकता है बिना hook error के रूप में labeled किए। यह बदलता है कि hook authors एक session कैसे extend कर सकते हैं। एक hook जिसे turn block किए बिना information surface करनी है उसके पास अब एक clean contract है। इससे पहले, context provide करने वाला hook या तो turn block करता था या error return करता था, जो दोनों run रोकता था और ऑपरेटर को यह समझने में confused करता था कि क्या हुआ। additional context return path उन concerns को separate करती है।

[NOVA]: Skills को shell variables के लिए एक छोटा escape-syntax tweak मिलता है, ताकि command bodies उन्हें harness के misreading के बिना pass through कर सकें। यह वह तरह का fix है जो ज़्यादातर listeners कभी नहीं देखेंगे, लेकिन यह confusing skill-load errors का एक class remove करता है। [ALLOY]: stdio MCP servers अब hooks और Bash की तरह same Claude Code session ID receive करती हैं जब आप session resume करते हैं। यह एक gap close करता है जहां MCP servers resume operations के across session correlate नहीं कर पा रही थीं। अगर आप एक session resume करते हैं और एक MCP server को पता होना चाहिए कि वह किस session से बात कर रही है, तो अब उसके पास वही session ID available है जो hooks और Bash receive करती हैं। यह session-aware MCP tooling को अधिक reliable बनाता है।

[NOVA]: Windows fixes अलग से note करने योग्य हैं। 154 में एक regression harness के लिए सभी Bash commands की temp directory को override कर रही थी, सिर्फ sandboxed ones के लिए नहीं। इसने उन workflows को break किया जो actual temp directory पर depend करती हैं, जैसे Bazel और EDR-protected Go। Bazel temp directory का उपयोग build artifact caching के लिए करता है, और EDR tools real temp path के against process creation और file access monitor करती हैं। जब harness ने सभी commands के लिए temp directory override किया, तो वे workflows सही तरीके से काम करना बंद कर गईं। Bash commands अब Windows पर सही तरीके से fail होती हैं जब session-env directory में read-only attribute हो या OneDrive के अंदर हो। cross-session messaging भी silently break हो गई थी जब temp directory किसी deep nested path पर point कर रही थी। वह अब fix है।

[ALLOY]: वर्जन 165 purely bug fixes और reliability improvements है। fleet operators के लिए practical signal: अपने version compliance settings audit करें और required minimum version और required maximum version set करें अगर आप version gates enforce करते हैं। नए filter flags के साथ plugin list command चलाकर देखें कि actually क्या installed है। अगर आपके hooks हैं जिन्हें error-labeling के बिना turns extend करने की ज़रूरत है, तो एक को test करें जो additional context field return करता है। और verify करें कि Bazel और EDR-protected workflows अब correctly run हो रही हैं क्योंकि temp directory regression fix है।

[NOVA]: एक सप्ताह में three-point release cadence noise ज़रूर लगता है, लेकिन ये fixes बिल्कुल उन workflows को touch करते हैं जो operators को "मुझे नहीं पता था कि यह टूट सकता है" कहने पर मजबूर करते हैं। background sessions, deep paths, Windows OneDrive, और fleet version compliance। ये unsexy problems हैं जो तय करती हैं कि आप किसी long-running agent work session पर भरोसा करते हैं या नहीं, और ये बिल्कुल वे problems हैं जो यह block close करता है। ...

[ALLOY]: OpenClaw 6.1, Hermes 15.2, और Codex 135 अपने EP063 positions पर stable harness lines बने हुए हैं। इस cycle में कोई new stable releases नहीं आए, जिसका मतलब पिछले episode से operational guidance अभी भी apply है। वह stability acknowledge करने योग्य है क्योंकि यह guaranteed नहीं है। harness ecosystem अभी भी достаточно young है कि regressions episodes के बीच land होती हैं, और यह fact कि तीन consecutive tools बिना critical fix के अपने positions पर बने रह सकते हैं maturity curve के बारे में एक signal है।

[NOVA]: OpenClaw 6.1 वह coordination और governance surface बना हुआ है जिसने एक kanban को multi-agent orchestration surface में बदल दिया। Workboard है headline capability: task-backed board runs with task comments embedded in edit modal, जो matters है क्योंकि review decay नहीं होता जब यह work के बगल में embedded हो। Skill Workshop है governed path agent-authored skills के लिए, apply, reject, और quarantine flows plus rollback metadata के साथ। SQLite-backed recovery iMessage state और plugin install ledger handle करती है, ताकि restarts duplicate filesystem scanning के बिना recover हों। Bounded timers और retries provider और plugin request paths wrap करती हैं, ताकि OAuth, device codes, media downloads, और generated-content polling सब fail cleanly हों instead of एक run को indefinitely hang करना।

[ALLOY]: Hermes 15.2 अभी भी worktree isolation, swarm coordination, और promptware defense के साथ stable multi-agent kanban line बना हुआ है। worktree isolation parallel agent work के लिए key architectural decision है: कोई branch conflicts नहीं, कोई manual branch management नहीं, कोई session interference नहीं जब दो agents एक ही codebase पर एक साथ काम कर रहे हों। swarm coordination multi-agent task distribution के लिए primitives जोड़ता है, और promptware defense long-running orchestration scenarios में model instruction drift के खिलाफ सुरक्षा करता है।

[NOVA]: Codex 135 अभी भी OpenAI CLI बना हुआ है जिसमें clearer TUI diagnostics, tightened app-server lifecycle handling, permission scopes के साथ named hooks, और threads, turns, और error propagation के आसपास improved Python और Node SDK behavior है। diagnostics improvements operators को scrollback और logs से reconstruction करने के बजाय evidence देती हैं। permission scopes के साथ named hooks यह audit करना आसान बनाते हैं कि each hook क्या कर सकता है, जो security-conscious deployments के लिए मायने रखता है।

[ALLOY]: operators के लिए practical signal यह है कि ये stable lines tested हैं। अगर आप OpenClaw 6.1, Hermes 15.2, या Codex 135 चला रहे हैं, तो capabilities और reliability characteristics को production use के multiple episodes में validate किया गया है। upgrade calculus अलग होती है जब एक tool stable होता है versus जब वह active development में होता है। stable tools को security patches और critical bug fixes के लिए upgrade किया जाता है। development tools को new capabilities के लिए upgrade किया जाता है। ये तीनों stable category में हैं, जिसका मतलब है कि upgrade decision कम stakes वाला और अधिक predictable है।

[NOVA]: CLI packages track करने वाली teams के लिए, Claude Code 165 वह है जो इस cycle में move किया। बाकी सभी अपनी position में हैं।

[ALLOY]: Microsoft ने Build 2026 को 2 जून को seven-model MAI family announcement के साथ खोला। model जो agent stack के लिए सबसे ज्यादा matter करता है वह MAI-Code-1-Flash है: एक 5-billion-parameter coding model जो सीधे GitHub Copilot production tool harnesses पर train किया गया है, generic benchmark datasets पर नहीं। training approach key differentiator है, और यह समझना worth है कि यह benchmark-trained models से इतने अलग results क्यों produce करता है।

[NOVA]: same harnesses पर training करके जिनका developers अपने everyday coding tasks के लिए use करते हैं, MAI-Code-1-Flash सीखता है कि agentic coding workflows में surrounding tools और systems के साथ कैसे interact करना है। वह यह नहीं सीख रहा है कि benchmark prompt का जवाब कैसे देना है। वह यह सीख रहा है कि उसी environment में कैसे operate करना है जिसमें production developers operate करते हैं, same tool calls के साथ, same context windows के साथ, same token budgets के साथ, और same failure modes के साथ। यह fundamentally different training signal है जो most labs use करते हैं, और efficiency numbers suggest करते हैं कि यह एक ऐसा model produce करता है जो real coding work के लिए बेहतर suited है।

[ALLOY]: benchmark numbers concrete हैं। MAI-Code-1-Flash SWE-Bench Pro पर 51% score करता है, जो same production harness पर Claude Haiku 4.5 से 16-point lead है। SWE-Bench Verified, SWE-Bench Multilingual, और Terminal Bench 2 पर, यह चारों core coding benchmarks में Haiku 4.5 को outperform करता है। ये cherry-picked comparisons नहीं हैं। ये same harness हैं, same evaluation protocol है, और performance में meaningful gap है।

[NOVA]: adaptive solution length control वह efficiency mechanism है जो 60% token reduction को drive करता है। model simple requests पर concise रहता है और harder problems पर more reasoning budget allocate करता है। simple requests को short, direct responses मिलते हैं। complex requests को full reasoning treatment मिलता है। model उन problems के लिए reasoning traces पर tokens spend नहीं कर रहा है जिन्हें उनकी जरूरत नहीं है, जो है कि Microsoft complex tasks पर 60% fewer solution tokens देखता है। यह lower latency, lower cost, और smoother interactive workflows में translate होता है।

[ALLOY]: agent-stack operators के लिए, strategic signal यह है कि Microsoft OpenAI dependency कम कर रहा है और foundation model capabilities पर competition कर रहा है with training pipelines जो उसके own developer stack के लिए tuned हैं। MAI-Code-1-Flash पहले से ही GitHub Copilot और VS Code के अंदर है, जिसका मतलब है कि यह पहले से ही millions of developers के workflows में है जो daily those tools use करते हैं। model कोई research preview नहीं है। यह एक production service है जिसे developers right now use कर रहे हैं।

[NOVA]: MAI family strategy Microsoft-aligned stacks में model routing के लिए matter करती है। अगर आप पहले से ही Copilot ecosystem के अंदर हैं, तो आप coding tasks को MAI-Code-1-Flash पर route कर सकते हैं और 60% fewer tokens के साथ Haiku-class models से better benchmark performance पा सकते हैं। यह public benchmarks पर trained models से जो मिलता है उससे अलग cost और latency profile है, और यह coding agents को scale पर run करने की economics को बदलता है।

[ALLOY]: MAI-Thinking-1 माइक्रोसॉफ्ट फाउंड्री पर प्राइवेट प्रीव्यू में है, जिसे SWE-Bench Pro पर Claude Opus 4.6 के विरुद्ध पोजीशन किया गया है। 35B सक्रिय पैरामीटर काउंट जिसमें लगभग 1 ट्रिलियन कुल पैरामीटर हैं, यह 5B कोडिंग मॉडल से भिन्न आर्किटेक्चर है। यह एक रीज़निंग मॉडल है, कोडिंग मॉडल नहीं, और अभी यह सामान्य उपयोग के लिए उपलब्ध नहीं है। प्राइवेट प्रीव्यू का मतलब है कि बिल्डर्स अभी अपने वर्कलोड के खिलाफ इसका मूल्यांकन नहीं कर सकते, जो एजेंट स्टैक पर इसके तुरंत प्रभाव को सीमित करता है। GA घोषणाओं का इंतज़ार करें, लेकिन अभी के लिए एक्शनेबल मॉडल MAI-Code-1-Flash है।

[NOVA]: माइक्रोसॉफ्ट शॉप्स में एजेंट्स के लिए व्यावहारिक कदम: GitHub Copilot के ज़रिए MAI-Code-1-Flash को एक असली कोडिंग टास्क पर टेस्ट करें और अपने पिछले मॉडल की तुलना में टोकन उपयोग की तुलना करें। दक्षता की कहानी असली है, और बेंचमार्क परफॉर्मेंस प्रोडक्शन हार्नेस मूल्यांकन द्वारा समर्थित है, सिंथेटिक बेंच सेटअप नहीं। अगर आप एजेंट स्टैक के लिए मॉडल का मूल्यांकन कर रहे हैं, तो Microsoft के प्रोडक्शन हार्नेस से MAI-Code-1-Flash के बेंचमार्क लें और अपने रेपो टास्क पर Haiku-क्लास और Opus-क्लास बेसलाइन के खिलाफ तुलना करें। ...

[NOVA]: MAI-Image-2.5 ने 2 जून तक Arena Image Edit लीडरबोर्ड पर 1403 स्कोर किया, जो Gemini 3 Pro Image Preview 2K के 1388 से आगे है। यह मल्टीमॉडल इमेज एडिटिंग में Microsoft के लिए एक असली लीडरबोर्ड पोजीशन है, और यह समझना ज़रूरी है कि लीडरबोर्ड क्या मापता है और वह रियल-वर्ल्ड एजेंट वर्कफ़्लो के लिए क्या गारंटी नहीं देता।

[ALLOY]: Arena Image Edit लीडरबोर्ड इमेज-टू-इमेज एडिटिंग टास्क पर केंद्रित है, टेक्स्ट-टू-इमेज जनरेशन पर नहीं। यह अंतर मायने रखता है क्योंकि विभिन्न मॉडल विभिन्न उपयोग मामलों के लिए अनुकूलित हैं। DALL-E और Midjourney जैसे टेक्स्ट-टू-इमेज मॉडल स्क्रैच से इमेज बनाने के लिए अनुकूलित हैं। इमेज-टू-इमेज एडिटिंग मॉडल मौजूदा इमेज को संशोधित करने के लिए अनुकूलित हैं: कंपोज़िशन समायोजित करना, आर्टिफैक्ट्स ठीक करना, एलिमेंट जोड़ना, स्टाइल बदलना। MAI-Image-2.5 एडिटिंग श्रेणी में है, इसीलिए यह उसी लीडरबोर्ड पर सीधे Gemini 3 Pro के साथ प्रतिस्पर्धा करता है।

[NOVA]: Gemini 3 Pro से 15 अंकों की बढ़त मायने रखती है, लेकिन लीडरबोर्ड स्कोर एजेंट वर्कफ़्लो के लिए पूरी कहानी नहीं बताते। Arena स्कोर उन विशिष्ट बेंचमार्क टास्क पर परफॉर्मेंस दर्शाता है जिन्हें लीडरबोर्ड क्यूरेटर्स ने डिज़ाइन किया है। रियल-वर्ल्ड एजेंट इमेज वर्कफ़्लो में डॉक्यूमेंटेशन स्क्रीनशॉट, UI मॉकअप, डायग्राम जनरेशन और एनोटेशन टास्क शामिल हैं जो बेंचमार्क टास्क से सीधे मैप नहीं हो सकते। लीडरबोर्ड पोजीशन यह सबूत है कि मॉडल सक्षम है, लेकिन यह आपके विशिष्ट उपयोग केस पर परफॉर्मेंस की गारंटी नहीं है।

[ALLOY]: माइक्रोसॉफ्ट शॉप्स के अंदर एजेंट स्टैक के लिए रणनीतिक मूल्य एक अंतर को भरना है जहाँ इमेज टास्क को Copilot सतह के बाहर रूट करना पड़ता था। MAI-Image-2.5 से पहले, एक कोडिंग एजेंट जिसे UI मॉकअप बनाना या स्क्रीनशॉट एनोटेट करना था, उसे बाहरी इमेज सर्विस को कॉल करना पड़ता था। अब यह क्षमता उसी सतह के अंदर है जिसका एजेंट पहले से कोडिंग टास्क के लिए उपयोग करता है। यह एजेंट वर्कफ़्लो में बाहरी निर्भरताओं की संख्या कम करता है, जो रूटिंग को सरल बनाता है, विलंबता कम करता है और विश्वसनीयता बढ़ाता है।

[NOVA]: एजेंट-स्टैक का नज़रिया क्रिएटिव काम के लिए Midjourney या DALL-E की जगह लेना नहीं है। यह इस बारे में है कि क्या Microsoft-इंटीग्रेटेड एजेंट वर्कफ़्लो अब Copilot सतह छोड़े बिना MAI-Image का उपयोग डॉक्यूमेंटेशन, UI मॉकअप, डायग्राम जनरेशन और स्क्रीनशॉट एनोटेशन के लिए कर सकते हैं। OpenClaw, Codex, और Claude Code ऑपरेटर्स के लिए जो माइक्रोसॉफ्ट शॉप्स में काम करते हैं, यह उस अंतर को भरता है जहाँ इमेज टास्क को स्टैक के बाहर रूट करना पड़ता था।

[ALLOY]: व्यावहारिक कदम: अगर आप Microsoft-अलाइंड स्टैक में एजेंट चलाते हैं, तो Copilot या Foundry के ज़रिए MAI-Image-2.5 को एक इमेज एडिटिंग टास्क पर टेस्ट करें। एक UI मॉकअप बनाएं, स्क्रीनशॉट एनोटेट करें, या डायग्राम बनाएं। आउटपुट क्वालिटी और विलंबता की तुलना अपने वर्तमान इमेज टूल से करें। लीडरबोर्ड पोजीशन सुझाव देती है कि मॉडल प्रतिस्पर्धात्मक है, लेकिन आपका वर्कफ़्लो ही असली मूल्यांकन है। ...

[NOVA]: NVIDIA ने COMPUTEX 2026 पर Cosmos 3 को फिज़िकल AI के लिए एक ओपन वर्ल्ड फाउंडेशन मॉडल के रूप में लॉन्च किया। यह मॉडल विज़न रीज़निंग, वर्ल्ड जनरेशन और एक्शन प्रेडिक्शन को एक ही मिक्सचर-ऑफ-ट्रांसफॉर्मर्स आर्किटेक्चर में जोड़ता है। यह तीन क्षमताएं हैं जो पहले अलग-अलग सिस्टम थीं, एक ही मॉडल में यूनिफाइड। यह समझना कि यह यूनिफिकेशन क्यों मायने रखता है, इसके लिए थोड़ा भ्रमण करना होगा कि फिज़िकल AI वास्तव में एजेंट विकास के लिए क्या मतलब रखता है।

[ALLOY]: फिज़िकल AI AI सिस्टम की वह श्रेणी है जो भौतिक दुनिया के साथ इंटरैक्ट करती है: रोबोट, स्वायत्त वाहन, सिमुलेशन वातावरण, और वास्तविक-विश्व सेंसिंग और एक्टुएशन। इन सिस्टम को दुनिया को देखना, समझना कि दुनिया कैसे बदलती है, और यह भविष्यवाणी करना होता है कि कौन से एक्शन वांछित परिणाम देंगे। पहले, उन तीन क्षमताओं के लिए तीन अलग-अलग मॉडल या सिस्टम की ज़रूरत होती थी। Cosmos 3 उन्हें एक ही आर्किटेक्चर में रखता है, जो ट्रेनिंग पाइपलाइन को सरल बनाता है और तीनों क्षमताओं में एक साथ एंड-टू-एंड ऑप्टिमाइज़ेशन को सक्षम बनाता है।

[NOVA]: तीन साइज़ उपलब्ध हैं। Cosmos 3 Nano 16 बिलियन पैरामीटर का है, जो वर्कस्टेशन-ग्रेड RTX PRO 6000 GPUs के लिए ऑप्टिमाइज़ है। Cosmos 3 Super 64 बिलियन पैरामीटर का है, जो बड़े पैमाने पर सिंथेटिक डेटा जनरेशन के लिए डेटा सेंटर Hopper और Blackwell GPUs को टारगेट करता है। Cosmos 3 Edge आने वाला है, जो रियल-टाइम एज इंफरेंस के लिए डिज़ाइन किया गया है। साइज़ टियर डिप्लॉयमेंट सिनारियोज़ से मैप होते हैं: Nano पर लोकल डेवलपमेंट और टेस्टिंग, Super पर बड़े पैमाने पर ट्रेनिंग और डेटा जनरेशन, और Edge पर प्रोडक्शन एज डिप्लॉयमेंट।

[ALLOY]: Cosmos 3 रिसर्च और कमर्शियल उपयोग के लिए ओपन है। NVIDIA ने मॉडल वेट्स, ट्रेनिंग स्क्रिप्ट्स, डिप्लॉयमेंट टूल्स, और डेटासेट Hugging Face और GitHub पर रिलीज़ किए हैं। यह एक मीनिंगफुली ओपन रिलीज़ है, गेटेड API नहीं। टीमें जो अपने फिजिकल AI डेटा पर फाइन-ट्यून करना चाहती हैं, वे वेट्स और ट्रेनिंग स्क्रिप्ट्स डाउनलोड करके अपने इन्फ्रास्ट्रक्चर पर ट्रेनिंग पाइपलाइन चला सकती हैं। यह ओपन रिलीज़ रोबोटिक्स टीमों, ऑटोनॉमस व्हीकल डेवलपर्स, और सिमुलेशन-बेस्ड डेवलपमेंट शॉप्स के लिए बैरियर को कम करती है ताकि वे स्टेट-ऑफ-द-आर्ट फाउंडेशन मॉडल पर बिल्ड कर सकें।

[NOVA]: बेंचमार्क कवरेज ब्रॉड है। Cosmos 3 Artificial Analysis, Physics-IQ, PAI-Bench, वर्ल्ड जेनरेशन एक्यूरेसी के लिए R-Bench, एक्शन पॉलिसी के लिए RoboLab और RoboArena, और विज़न अंडरस्टैंडिंग के लिए VANTAGE-Bench और TAR पर लीड करता है। ओपन मॉडल्स में, Cosmos 3 इन बेंचमार्क्स पर लीड करता है। बेंचमार्क पोर्टफोलियो तीन-पार्ट आर्किटेक्चर को रिफ्लेक्ट करता है: फिजिक्स रीज़निंग, वर्ल्ड जेनरेशन, और एक्शन प्रेडिक्शन सभी अलग-अलग और साथ में इवैल्यूएट किए जाते हैं।

[ALLOY]: एजेंट-स्टैक एंगल इमीडिएट कोडिंग वर्क नहीं है। मॉडल कोड जेनरेशन या डॉक्यूमेंटेशन टास्क्स के लिए डिज़ाइन नहीं किया गया है। यह रोबोटिक्स, सिमुलेशन, और फिजिकल वर्ल्ड इंटरैक्शन के लिए डिज़ाइन किया गया है। लेकिन फिजिकल AI फाउंडेशन मॉडल्स का अगली जेनरेशन एजेंट हार्डवेयर के लिए क्या मतलब है, यह समझना उन ऑपरेटर्स के लिए रिलेवेंट है जो होराइज़न देख रहे हैं। एजेंट्स जो रोबोट्स, व्हीकल्स, और रियल-वर्ल्ड एनवायरनमेंट्स के साथ इंटरैक्ट करते हैं, उन्हें बिल्कुल वही कैपेबिलिटीज़ चाहिए जो Cosmos 3 कंबाइन करता है: विज़न रीज़निंग, वर्ल्ड सिमुलेशन, और एक्शन प्रेडिक्शन।

[NOVA]: होराइज़न देखने वाले ऑपरेटर्स के लिए, Cosmos 3 वह ओपन फाउंडेशन मॉडल है जिस पर रोबोटिक्स टीमें और सिमुलेशन-बेस्ड डेवलपमेंट शॉप्स बिल्ड करेंगी। एज साइज़ टियर फ्यूचर एज एजेंट हार्डवेयर के लिए ट्रैक करने योग्य है, जहां फिजिकल वर्ल्ड मॉडल्स पर रियल-टाइम इंफरेंस डिप्लॉयमेंट टारगेट बनता है। अगर आप रोबोटिक्स, ऑटोनॉमस व्हीकल्स, या सिमुलेशन-बेस्ड एजेंट ट्रेनिंग पर काम करते हैं, तो Hugging Face से Cosmos 3 मॉडल पुल करें और अपने फिजिकल AI बेंचमार्क सुइट के खिलाफ रन करें। जनरल एजेंट-स्टैक लिसनर्स के लिए, प्रैक्टिकल मूव 12 से 18 महीनों में एज एजेंट हार्डवेयर के लिए फिजिकल AI फाउंडेशन मॉडल्स का क्या मतलब है, यह समझना है। ...

[NOVA]: GitHub का नया डेस्कटॉप एप्लिकेशन वह प्रोडक्ट अनाउंसमेंट है जो Copilot को एक रिएक्टिव कोडिंग असिस्टेंट से प्रोएक्टिव मल्टी-एजेंट ऑर्केस्ट्रेशन सरफेस में बदल देता है। एप्लिकेशन Build 2026 पर Windows 11, Windows 11 on Arm, Mac, और Linux पर Copilot Pro, Pro+, Max, Business, और Enterprise सब्सक्राइबर्स के लिए टेक्निकल प्रीव्यू में लॉन्च हुआ। यह समझने के लिए कि यह असल में क्या करता है, मार्केटिंग के नीचे आर्किटेक्चरल डिसीज़न्स को देखना ज़रूरी है।

[ALLOY]: "My Work" डैशबोर्ड रिपॉज़िटरीज़, इश्यूज़, पुल रिक्वेस्ट्स, और बैकग्राउंड ऑटोमेशन्स में एक साथ कई AI एजेंट्स को मॉनिटर और डायरेक्ट करता है। यह ऑर्केस्ट्रेशन लेयर है। एक डेवलपर बिना टर्मिनल विंडोज़ या चैट इंटरफेसेस के बीच स्विच किए देख सकता है कि कौन से एजेंट्स चल रहे हैं, वे किस पर काम कर रहे हैं, और उनकी क्या स्टेट है। डैशबोर्ड मल्टी-एजेंट वर्कफ़्लो के लिए कंट्रोल सेंटर है।

[NOVA]: हर सेशन अपने अलग-थलग Git worktree में चलता है। यह पैरलल एजेंट वर्क के लिए मुख्य आर्किटेक्चरल डिसीज़न है। जब दो एजेंट एक ही कोडबेस पर एक ही समय पर काम करते हैं, उन्हें ब्रांच कन्फ्लिक्ट्स, मैनुअल ब्रांच मैनेजमेंट, और सेशन इंटरफेरेंस से बचना होता है। अलग-थलग worktrees उस समस्या को Git लेयर पर सॉल्व करते हैं। हर एजेंट अपने worktree में काम करता है, जिसका मतलब है कि एजेंट्स ब्रांच स्टेट को कोऑर्डिनेट किए बिना पैरलल चल सकते हैं। जब एक एजेंट अपना काम पूरा करता है, तो बदलाव सामान्य Git वर्कफ़्लो के माध्यम से मर्ज किए जा सकते हैं।

[ALLOY]: Canvas एप्लिकेशन में सबसे नॉवेल इंटरैक्शन डिज़ाइन हैं। ये इंटरैक्टिव, टू-वे विज़ुअल सरफेस हैं जहां डेवलपर्स और एजेंट्स रियल टाइम में सहयोग करते हैं। एजेंट अपनी करंट प्लान, टर्मिनल आउटपुट, डिप्लॉयमेंट्स, या ब्राउज़र सेशन्स Canvas पर डिस्प्ले करता है। डेवलपर बिना विंडोज़ स्विच किए काम को इंस्पेक्ट, स्टीयर, और वेरिफाई कर सकता है। यह आज के ज़्यादातर एजेंट्स के इस्तेमाल किए जाने वाले टर्मिनल-और-चैट पैटर्न से अलग मॉडल है। Canvas सरफेस एजेंट के काम को टर्मिनल आउटपुट के मुकाबले ज़्यादा विज़िबल और एडिटेबल बनाता है।

[NOVA]: Agent Merge पुल रिक्वेस्ट लाइफसाइकल को ऑटोमेट करता है, इश्यू उठाने से लेकर रिव्यू, चेक्स, और मर्जिंग तक। ऑटोमेशन पूरे PR लाइफसाइकल को कवर करता है, सिर्फ जेनरेशन स्टेप को नहीं। इसका मतलब है कि एक एजेंट इश्यू उठा सकता है, कोड लिख सकता है, टेस्ट रन कर सकता है, रिव्यू हैंडल कर सकता है, और PR मर्ज कर सकता है बिना हर स्टेप पर मैनुअल इंटरवेंशन के। जिन टीमों ने GitHub वर्कफ़्लोज़ पर स्टैंडर्डाइज़ किया है, Agent Merge ऑटोमेशन लेयर जोड़ता है जो मल्टी-एजेंट कोड रिव्यू को प्रैक्टिकल बनाता है।

[ALLOY]: Copilot SDK छह भाषाओं में आम तौर पर उपलब्ध है: Node.js, TypeScript, Python, Go, .NET, Rust, और Java। इसका मतलब है कि कस्टम टूल्स और एजेंट एक्सटेंशन एक हाई-लेवल डेवलपमेंट सरफेस बन गए हैं, न कि कोई हैक। जो टीमें Copilot एजेंट्स को अपने मौजूदा वर्कफ़्लो के साथ इंटरैक्ट करने के तरीके को बढ़ाना चाहती हैं, वे SDK-आधारित टूल्स बना सकती हैं और सामान्य डेवलपमेंट चैनलों के जरिए उन्हें वितरित कर सकती हैं। SDK की उपलब्धता उन टीमों के लिए गणना बदल देती है जो Copilot को प्रोप्राइटरी सिस्टम्स के साथ इंटीग्रेट करने के लिए वर्कअराउंड बना रही थीं।

[NOVA]: CLI में वॉइस मोड उन डेवलपर्स के लिए एक नया इनपुट मोडैलिटी जोड़ता है जो टाइपिंग की जगह स्पीच को प्राथमिकता देते हैं। रीडिज़ाइन किया गया Copilot CLI वॉइस मोड और पुल रिक्वेस्ट, इश्यू और गिस्ट के लिए एक्सपेरिमेंटल टैब्ड एक्सेस शामिल करता है। वॉइस इनपुट अभी भी एक्सपेरिमेंटल है, लेकिन यह एक दिशा का संकेत है: एजेंट टेक्स्ट के अलावा इनपुट मोडैलिटी जोड़ रहे हैं, जो एक्सेसिबिलिटी और उन वर्कफ़्लो के लिए महत्वपूर्ण है जहां टाइपिंग स्पीकिंग से धीमी है।

[ALLOY]: प्रैक्टिकल सिग्नल: अगर आप Copilot Pro या Enterprise सब्सक्राइबर हैं, तो टेक्निकल प्रीव्यू में शामिल हों और किसी लो-रिस्क रिपॉजिटरी पर एक पैरलल एजेंट सेशन टेस्ट करें। SDK का उपयोग करके एक कस्टम टूल बनाएं जो एजेंट के आपके मौजूदा वर्कफ़्लो के साथ इंटरैक्ट करने के तरीके को बढ़ाता है। आइसोलेटेड वर्कट्री आर्किटेक्चर पहली बार प्रोडक्शन-क्वालिटी Copilot सरफेस में पैरलल एजेंट वर्क को प्रैक्टिकल बनाता है, और SDK कस्टम टूलिंग को प्राथमिकता के रूप में स्थापित करता है, न कि एक बाद की सोच के रूप में। ...

[NOVA]: OpenHands ने अपने नए रिलीज़ में ऑटोनोमस कोडिंग एजेंट्स के लिए Kubernetes सपोर्ट और प्लानिंग मोड लाया है, और यह ओपन-सोर्स इकोसिस्टम में सबसे प्रोडक्शन-हार्डन्ड ऑटोनोमस कोडिंग एजेंट है। मार्च में रिलीज़ आई जिसमें दो बड़े एडिशन थे: स्केल पर कंटेनराइज़्ड एजेंट वर्कलोड्स के लिए Kubernetes सपोर्ट, और एक बीटा प्लानिंग मोड जो एक्जीक्यूशन से पहले स्पष्ट टास्क डिकंपोज़िशन जोड़ता है। एंटरप्राइज़ एडॉप्शन लिस्ट आपको बताती है कि ऑटोनोमस कोडिंग एजेंट्स मैच्योरिटी कर्व पर कहां हैं: AMD, Apple, Google, Amazon, Netflix, और NVIDIA इसका उपयोग प्रोडक्शन में कर रहे हैं। यह कोई रिसर्च प्रोटोटाइप नहीं है। यह कुछ सबसे डिमांडिंग इंजीनियरिंग एनवायरनमेंट्स में एक प्रोडक्शन टूल है।

[ALLOY]: एजेंट आर्किटेक्चर को एक रेफरेंस पॉइंट के रूप में समझना महत्वपूर्ण है। OpenHands एक सैंडबॉक्स्ड एनवायरनमेंट में चलता है जिसमें एक एम्बेडेड शेल, वेब ब्राउज़र, कोड एडिटर और टास्क प्लानर है। यह एंड-टू-एंड सॉफ्टवेयर इंजीनियरिंग टास्क करता है: कोड लिखना और संशोधित करना, कमांड चलाना, वेब ब्राउज़ करना, टेस्ट चलाना, डीबगिंग। एजेंट को आपको एनवायरनमेंट्स के बीच स्विच करने की आवश्यकता नहीं है। यह सैंडबॉक्स में काम करता है और बाहरी डिपेंडेंसी के बिना टास्क पूरा करने के लिए एम्बेडेड टूल्स का उपयोग करता है।

[NOVA]: LLM फ्लेक्सिबिलिटी का मतलब है कि आप GPT-4, Claude, Gemini, लोकल मॉडल्स, या अन्य को प्लग इन कर सकते हैं। OpenHands किसी विशिष्ट मॉडल प्रोवाइडर से बंधा नहीं है। एजेंट जो भी मॉडल आप प्रदान करते हैं उसके साथ काम करने के लिए डिज़ाइन किया गया है, जिसका मतलब है कि टीमें एजेंट इन्फ्रास्ट्रक्चर को बदले बिना अपने खुद के वर्कलोड्स के खिलाफ अलग-अलग मॉडल्स का मूल्यांकन कर सकती हैं। जिन टीमों का मॉडल सिलेक्शन के बारे में मजबूत राय है, उनके लिए यह फ्लेक्सिबिलिटी एक प्राथमिक फीचर है।

[ALLOY]: Kubernetes सपोर्ट का मतलब है कि OpenHands अब एक कंटेनराइज़्ड, ऑर्केस्ट्रेटेड एजेंट इन्फ्रास्ट्रक्चर का हिस्सा हो सकता है। एक सिंगल मशीन पर एक सिंगल प्रोसेस के रूप में एजेंट को चलाने के बजाय, आप इसे एक कंटेनराइज़्ड वर्कलोड के रूप में डिप्लॉय कर सकते हैं जो Kubernetes प्रिमिटिव्स के साथ स्केल होता है। यह ऑपरेशनल मॉडल को "dev मशीन पर एजेंट चलाओ" से "मैनेज्ड सर्विस के रूप में एजेंट वर्कलोड चलाओ" में बदल देता है। जो टीमें पहले से अपने इन्फ्रास्ट्रक्चर के लिए Kubernetes का उपयोग करती हैं, उनके लिए यह इंटीग्रेशन स्वाभाविक है।

[NOVA]: प्लानिंग मोड वह बीटा फीचर है जिस पर नज़र रखनी चाहिए। एक्जीक्यूशन से पहले स्पष्ट टास्क डिकंपोज़िशन उन अंतरालों में से एक है जो डेमो में काम करने वाले ऑटोनोमस एजेंट्स को प्रोडक्शन में काम करने वालों से अलग करता है। एक डेमो एक शॉट में टास्क पूरा करने वाले एजेंट को दिखा सकता है। प्रोडक्शन वर्क के लिए एजेंट को टास्क के पूरे स्कोप को समझना, इसे स्टेप्स में डिकंपोज़ करना, हर स्टेप को वेरिफाई करना और फेलियर्स को सुंदर ढंग से हैंडल करना आवश्यक है। प्लानिंग मोड एक्जीक्यूशन से पहले डिकंपोज़िशन स्टेप जोड़ता है, जिसका मतलब है कि एजेंट काम शुरू करने से पहले एक प्लान बनाता है।

[ALLOY]: एंटरप्राइज़ एडॉप्शन लिस्ट मैच्योरिटी कर्व पर ऑटोनोमस कोडिंग एजेंट्स की स्थिति के बारे में सबसे ठोस सिग्नल है। AMD, Apple, Google, Amazon, Netflix, और NVIDIA वे नाम हैं जो प्रोडक्शन इंजीनियरिंग में वज़न रखते हैं। जब वे संगठन प्रोडक्शन में एक ऑटोनोमस कोडिंग एजेंट चला रहे हैं, तो इसका मतलब है कि एजेंट उन संगठनों द्वारा प्रोडक्शन टूलिंग के लिए उपयोग की जाने वाली जो भी मूल्यांकन प्रक्रिया है उससे गुज़र गया है। यह "बेंचमार्क पास करता है" या "डेमो में प्रभावित करता है" से अलग बार है।

[NOVA]: एजेंट स्टैक के लिए, OpenHands प्रोडक्शन ऑटोनोमस कोडिंग कैसा दिखता है इसका एक प्राथमिक रेफरेंस है। Kubernetes इंटीग्रेशन का मतलब है कि यह अब एक कंटेनराइज़्ड, ऑर्केस्ट्रेटेड एजेंट इन्फ्रास्ट्रक्चर का हिस्सा हो सकता है। प्लानिंग मोड बीटा पर नज़र रखनी चाहिए क्योंकि एक्जीक्यूशन से पहले स्पष्ट डिकंपोज़िशन उन अंतरालों में से एक है जो डेमो में काम करने वाले ऑटोनोमस एजेंट्स को प्रोडक्शन में काम करने वालों से अलग करता है। अगर आप प्रोडक्शन उपयोग के लिए ऑटोनोमस कोडिंग एजेंट्स का मूल्यांकन करते हैं, तो अपने किसी रिपॉजिटरी के खिलाफ OpenHands चलाएं और इसके एंड-टू-एंड टास्क पूरा करने की तुलना सिंगल-टर्न कोडिंग एजेंट से करें। किसी मल्टी-स्टेप टास्क पर प्लानिंग मोड बीटा टेस्ट करें और वेरिफाई करें कि स्पष्ट डिकंपोज़िशन आउटपुट क्वालिटी में सुधार करता है या नहीं। ...

[ALLOY]: प्रोजेक्ट राडार तीन टूल्स को कवर करता है जो लोकल कोडिंग-एजेंट स्टैक्स को कम फ्रैजाइल बनाते हैं। ये हार्नेस अपडेट्स या मॉडल रिलीज़ नहीं हैं। ये इन्फ्रास्ट्रक्चर लेयर हैं जो पूरे स्टैक को स्केल करते समय अधिक नेविगेटेबल बनाते हैं। Understand Anything, agentmemory, और MCPJungle प्रत्येक लोकल एजेंट वर्कफ़्लो में एक अलग समस्या को संबोधित करते हैं।

[NOVA]: Understand Anything एक कोडबेस को एक्सप्लोरेबल नॉलेज ग्राफ़ में बदल देता है। टूल आपके रिपॉजिटरी को एक ग्राफ़ डेटाबेस में इंडेक्स करता है और इसे CLI और MCP सर्वर दोनों के माध्यम से एक्सपोज़ करता है। एक एजेंट दर्जनों फ़ाइलों को grep किए बिना कोडबेस के बारे में स्ट्रक्चरल सवालों के जवाब दे सकता है। "इस एंडपॉइंट के लिए रिक्वेस्ट पाथ क्या है" या "इस मॉड्यूल पर कौन सी फ़ाइलें निर्भर हैं" जैसे सवाल फ़ाइल सर्च की जगह ग्राफ़ क्वेरीज़ बन जाते हैं। नॉलेज ग्राफ़ एजेंट को काम शुरू करने से पहले कोडबेस का एक नेविगेटेबल मेंटल मॉडल देता है, जो ओरिएंटेशन पर बिताए समय को कम करता है और एजेंट द्वारा मौजूदा आर्किटेक्चर से टकराने वाले बदलाव करने के जोखिम को कम करता है।

[ALLOY]: GitHub API मेटाडेटा 48,000 से अधिक स्टार्स और MIT लाइसेंस दिखाता है, जिसका मतलब है कि टूल व्यापक रूप से उपयोग किया जाता है और मुफ़्त में उपलब्ध है। MIT लाइसेंस उन टीमों के लिए मायने रखता है जो बिना लाइसेंस कन्फ्लिक्ट के प्रोप्रायटरी वर्कफ़्लो में टूल को इंटीग्रेट करना चाहती हैं। ग्राफ़-आधारित दृष्टिकोण grep-आधारित सर्च से अलग है क्योंकि यह अलग-अलग फ़ाइलों की सामग्री नहीं बल्कि कोड एलिमेंट्स के बीच संबंधों को कैप्चर करता है। एक ग्राफ़ क्वेरी सवालों के जवाब दे सकती है जो grep कई सर्च चलाने और परिणामों को कोरिलेट करने के बिना नहीं दे सकता।

[NOVA]: agentmemory आपकी मशीन पर हर एजेंट को confidence scoring, lifecycle management, एक नॉलेज ग्राफ़, और hybrid search के साथ पोर्ट 3111 पर एक शेयर्ड मेमोरी सर्वर देता है। शेयर्ड मेमोरी सर्वर का मतलब है कि कई एजेंट एक ही मेमोरी कॉन्टेक्स्ट एक्सेस कर सकते हैं, जो उन वर्कफ़्लोज़ के लिए मायने रखता है जहां एक एजेंट कॉन्टेक्स्ट सेट करता है जिसकी दूसरे एजेंट को जरूरत होती है। Confidence scoring एजेंट को यह तय करने में मदद करती है कि एक मेमोरी आइटम पर कितना भरोसा करना है। Lifecycle management मेमोरी पर्सिस्टेंस और क्लीनअप को हैंडल करती है। नॉलेज ग्राफ़ मेमोरी स्टोर में रिलेशनशिप अवेयरनेस जोड़ता है। Hybrid search बेहतर recall के लिए कीवर्ड और सिमांटिक सर्च को कंबाइन करता है।

[ALLOY]: जो टीमें पैरलल या सीक्वेंस में कई एजेंट चलाती हैं, उनके लिए शेयर्ड मेमोरी एक कैपेबिलिटी है जो बदल देती है कि एजेंट कैसे कोऑर्डिनेट कर सकते हैं। एक एजेंट जो टास्क पूरा करता है वह अपने निष्कर्ष शेयर्ड मेमोरी सर्वर पर लिख सकता है। बाद का एजेंट उन निष्कर्षों को पढ़ सकता है और बिना रिसर्च दोहराए उन पर बिल्ड कर सकता है। यह उन एजेंट्स से अलग मॉडल है जो हर सेशन अपने पिछले काम की कोई मेमोरी के बिना शुरू करती हैं।

[NOVA]: MCPJungle MCP सर्वर स्पॉल को संबोधित करता है। जब टीमें अपने एजेंट कॉन्फ़िगरेशन में अधिक MCP सर्वर जोड़ती हैं, तो मैनेजमेंट सरफेस कॉम्प्लेक्स हो जाता है। MCPJungle MCP सर्वर इकोसिस्टम के लिए विजिबिलिटी और मैनेजमेंट टूल्स प्रदान करता है। टूल टीमों को समझने में मदद करता है कि कौन से सर्वर इंस्टॉल हैं, वे क्या प्रदान करते हैं, और वे कैसे कॉन्फ़िगर हैं। उन एजेंट ऑपरेटर्स के लिए जिन्होंने समय के साथ MCP सर्वर एकत्र किए हैं, MCPJungle वह मैनेजमेंट लेयर जोड़ता है जो स्पॉल को मैनेजेबल बनाता है।

[ALLOY]: तीनों टूल्स में कॉमन थ्रेड लोकल एजेंट स्टैक में फ्रैजाइलिटी कम करना है। Understand Anything फ्रैजाइलिटी इस तरह कम करता है कि एजेंट्स को एक नेविगेटेबल कोडबेस ग्राफ़ देता है। agentmemory फ्रैजाइलिटी इस तरह कम करता है कि एजेंट्स को शेयर्ड, ड्यूरेबल कॉन्टेक्स्ट देता है। MCPJungle फ्रैजाइलिटी इस तरह कम करता है कि ऑपरेटर्स को MCP सर्वर इकोसिस्टम में विजिबिलिटी देता है। ये कैपेबिलिटीज़ एजेंट्स को अमूर्त रूप से स्मार्ट नहीं बनाती हैं। ये कैपेबिलिटीज़ हैं जो प्रोडक्शन वर्कफ़्लो में स्पेसिफिक फेलियर मोड्स को कम संभावित बनाती हैं। ...

[NOVA]: प्रैक्टिकल क्यू वह है जो लिसनिंग से एक्टिंग तक ले जाता है। Claude Code के लिए, अपने फ्लीट वर्जन कंप्लायंस सेटिंग्स का ऑडिट करें और जरूरी मिनिमम वर्जन और जरूरी मैक्सिमम वर्जन सेट करें यदि आप वर्जन गेट्स लागू करते हैं। नए फ़िल्टर फ्लैग्स के साथ प्लगइन लिस्ट कमांड चलाएं ताकि देख सकें कि वास्तव में क्या इंस्टॉल है। सुनिश्चित करें कि Bazel और EDR-प्रोटेक्टेड वर्कफ़्लोज़ टेम्प डायरेक्टरी रिग्रेशन फिक्स के बाद सही तरह से चलते हैं। Microsoft MAI के लिए, GitHub Copilot पर MAI-Code-1-Flash को एक रियल कोडिंग टास्क पर टेस्ट करें और टोकन यूसेज की तुलना अपने पिछले मॉडल से करें। यदि आप Microsoft शॉप में हैं, तो GitHub Copilot पर MAI-Image-2.5 को एक इमेज एडिटिंग टास्क पर टेस्ट करें।

[ALLOY]: NVIDIA Cosmos 3 के लिए, यदि आप फिजिकल AI या रोबोटिक्स पर काम करते हैं तो Hugging Face से मॉडल पुल करें, और फ्यूचर एज एजेंट हार्डवेयर के लिए Cosmos 3 Edge साइज़ टियर को ट्रैक करें। GitHub Copilot डेस्कटॉप ऐप के लिए, यदि आप Copilot Pro या Enterprise सब्सक्राइबर हैं तो टेक्निकल प्रीव्यू में शामिल हों और किसी कम-रिस्क रिपॉजिटरी पर एक पैरलल एजेंट सेशन टेस्ट करें। SDK का उपयोग करके एक कस्टम टूल बनाएं जो एजेंट के आपके मौजूदा वर्कफ़्लो के साथ इंटरैक्ट करने के तरीके को एक्सटेंड करता है। OpenHands के लिए, इसे अपने रिपॉजिटरीज़ में से एक पर चलाएं, किसी मल्टी-स्टेप टास्क पर Planning Mode टेस्ट करें, और एंड-टू-एंड टास्क कम्प्लीशन की तुलना सिंगल-टर्न कोडिंग एजेंट से करें।

[NOVA]: प्रोजेक्ट राडार टूल्स के लिए, Understand Anything को कन्फ्यूजिंग एंट्री पॉइंट्स वाले रिपॉजिटरी पर चलाएं और रिक्वेस्ट पाथ के लिए पूछें, फिर ग्राफ़ ओरिएंटेशन से पहले और बाद में एजेंट प्लान की तुलना करें। यदि आप पैरलल या सीक्वेंस में कई एजेंट चलाते हैं, तो agentmemory सेट अप करें और सत्यापित करें कि शेयर्ड कॉन्टेक्स्ट डाउनस्ट्रीम एजेंट परफॉर्मेंस में सुधार करता है। यदि आपने समय के साथ MCP सर्वर एकत्र किए हैं, तो वास्तव में क्या इंस्टॉल और कॉन्फ़िगर है इसका ऑडिट करने के लिए MCPJungle का उपयोग करें।

[ALLOY]: आज के AgentStack Daily का मुख्य विषय है इन्फ्रास्ट्रक्चर की परिपक्वता। हार्नेस लेयर स्थिर और विश्वसनीय सतहों के आसपास कंसोलिडेट हो रही है। मॉडल लेयर प्रोडक्शन हार्नेस ट्रेनिंग और कुशल टोकन उपयोग के साथ नई क्षमताएं जोड़ रही है। टूलिंग लेयर वह कॉन्टेक्स्ट और मैनेजमेंट टूल जोड़ रही है जो पूरे स्टैक को कम भंगुर बनाते हैं। एजेंट स्टैक कम रहस्यमय और ज्यादा ऑपरेशनल होता जा रहा है, और यही वह है जो उसे एक प्रोडक्शन टूल बनने के लिए चाहिए, न कि एक रिसर्च डेमो।

[NOVA]: आज के AgentStack Daily के शो नोट्स Toby On Fitness Tech dot com पर हैं। वहां टाइमस्टैम्प, रिलीज और टूल्स के लिंक, और वह गहरी तकनीकी जानकारी मिलेगी जो बोलकर नहीं बताई जा सकी। अगर आप किसी भी स्टोरी में और गहराई से जानना चाहते हैं, तो Toby On Fitness Tech dot com पर शो नोट्स देखें।

[ALLOY]: हम जल्द वापस आएंगे।

[NOVA]: यह AgentStack Daily है। मैं NOVA हूं। सुनने के लिए धन्यवाद।